关键词:
石墨烯
铜基自润滑复合材料
化学镀
摩擦磨损性能
机器学习
摘要:
铜因其高导电和高导热而被广泛应用,但较差的摩擦学性能限制了其应用。为了提升铜的耐磨减摩性能,一种有效的方法是制备铜基自润滑复合材料,即在铜基体中加入适量的固体润滑剂作为增强体。石墨烯(graphene,Gr)具有良好的化学稳定性使其拥有很好的摩擦学性能,同时还具有很强的机械性能,可以提高材料之间的结合强度,有利于减小剪切应力,并能够降低摩擦系数(coefficient of friction,COF),是一种出色的固体润滑剂。现有的研究者在铜金属中加入Gr,可以使Gr与铜基体形成良好的界面结合,提高材料的耐磨减摩性能,制备的铜/石墨烯复合材料记为Cu/Gr复合材料。该复合材料的主要优点在于:与金属铜相比,具有优异的摩擦学性能。基于传统方法的Cu/Gr复合材料合理工艺参数的确定耗时耗力,引入机器学习模型来替代传统方法,不需要实验仅利用已知的工艺参数就可以进行Cu/Gr复合材料的摩擦磨损性能快速预测。本文采用球磨法、有活化敏化的化学镀和无活化敏化的化学镀等三种方法制备Cu/Gr复合材料,测试其摩擦学性能,探究三种工艺对其耐磨减摩性能的影响。其次,采用球磨和冷压烧结为加工工艺,设计实验并制备了Cu/Gr复合材料,探究Gr含量、球磨时间、实验载荷对其摩擦磨损性能的影响。最后,采用广义回归神经网络(generalized regression neural network,GRNN)、反向传播神经网络(backpropagation neural network,BPNN)、支持向量回归机(support vector regression machine,SVR)和随机森林(random forest,RF)等方法对Cu/Gr复合材料摩擦学性能进行建模,以Gr含量、球磨时间和实验载荷作为模型输入参数,COF和磨损率(wear rate,WR)作为模型输出参数,使用多种评价指标对模型预测结果进行评估。本实验的算法模型的构建基于Matlab R2018b完成。主要研究结果如下:1.随着Gr含量的增加,三种工艺制备的Cu/Gr复合材料的致密度均呈现出逐步增加并趋向平稳的趋势,当Gr含量为0.4wt%时,致密度达到最高,球磨法、有活化敏化的化学镀和无活化敏化的化学镀等三种方法制备Cu/Gr复合材料的致密度分别为75.71%、65.12%和90.06%。其中有活化敏化的化学镀制备的Cu/Gr复合材料的致密度均低于其余两种工艺,这是由于水合肼还原处理后,该复合材料吸附了更多氢气,导致其致密度最低。2.随着Gr含量的增加,用有活化敏化的化学镀制备的Cu/Gr复合材料的硬度先增加后减小;用无活化敏化的化学镀制备的Cu/Gr复合材料的硬度先减小后增加;用球磨法制备的Cu/Gr复合材料的硬度先小幅度增加后减小。3.研究了Gr含量对三种工艺制备的Cu/Gr复合材料耐磨减摩性能的影响。随Gr含量增加,有活化敏化的化学镀制备的Cu/Gr复合材料的COF先减小后增大,WR先增大后减小;随Gr含量增加,无活化敏化的化学镀制备的Cu/Gr复合材料的COF先减小后增大,WR先减小后增大;随Gr含量增加,球磨法制备的Cu/Gr复合材料的COF先增大后减小,WR先增大后减小。研究表明,活化敏化的化学镀制备的复合材料的摩擦学性能要好于其余两种制备工艺。4.研究了Gr含量、球磨时间和实验载荷对Cu/Gr复合材料耐磨减摩性能的影响。研究表明:随Gr含量的增加,Cu/Gr复合材料的COF表现为先增加后减小,其WR表现为先增大后减小再趋向平稳。随着球磨时间延长,Cu/Gr复合材料的COF呈先减小后增大。在球磨时间6h的情况下,COF达最小值,且波动曲线起伏较小,WR随球磨时间延长而减小。随着实验载荷的增加,Cu/0.6wt%Gr复合材料的COF持续减小,WR表现为先增加再减小。5.采用GRNN、BPNN、SVR和RF等四种模型来实现Cu/Gr复合材料的COF和WR的预测,并使用多种评价指标对模型测试结果进行定量评估,以验证模型的精度和泛化能力。结果表明:GRNN模型可以对Cu/Gr复合材料的COF和WR进行有效的预测,并有望在该领域的应用中发挥重要作用。